[pt] A vocação natural do Brasil para a hidroeletricidade fez com que o Sistema Interligado Nacional - SIN fosse desenvolvido com forte predominância de geração de origem hidroelétrica. Entretanto, ao se optar por uma base hidroelétrica há de se lidar com as significativas incertezas associadas às afluências futuras aos rios e, por extensão, a todas as bacias hidrográficas do país. Logo, a estrutura de produção de energia hidroelétrica do Brasil foi concebida de forma a minimizar os riscos associados ao comportamento aleatório das afluências. Para contemplar a estocasticidade das afluências no Planejamento da Operação do SIN, o Operador Nacional do Sistema Elétrico - ONS utiliza uma cadeia de modelos dentre os quais estão contidos o modelo de previsões de vazões determinísticas para o curto prazo, e os modelos de geração de cenários de afluências. Estes modelos fornecem insumos para que os modelos de otimização possam estabelecer as Estratégias e Políticas de Operação para o médio e curto prazo, considerando a volatilidade das afluências. Esta dissertação descreve os processos de séries temporais empregados no modelo de previsões determinísticas para o curto prazo e nos modelos de geração de cenários de afluências para o médio e curto prazo. Além disso, é apresentado um estudo de casos do Planejamento da Operação do SIN que avalia o acoplamento feito entre os modelos de otimização de médio e curto prazo através dos cenários hidrológicos de médio e curto prazo. Com esta análise, é possível verificar como o acoplamento entre os modelos de otimização pode impactar as Estratégias e Políticas de Operação para o médio e curto prazo. / [en] The natural vocation of Brazil for the hydroelectricity made the National Interconnected Electric System – NIS to be developed with strong predominance of hydroelectric origin creation. However, choosing for a hydroelectricity base you have to deal with significant uncertainness associated to the rivers inflows and all hydrographical basins of the country. Therefore, the production structure of Brazilian hydroelectric energy was created to minimize the risks associated to the random behavior of inflows. To contemplate the inflows stochasticity in the operation planning of NIS, the National Operator of the Electrical System - ONS uses a chain of models that contains a model of inflows forecasting for the short term, and a model to generate scenarios of inflows. These models provide inputs for the optimizations model can establish the strategies and policies for the operation of medium and short term, contemplating the volatility of inputs. This dissertation describes the time series processes used in the model of inflows forecasting for the short term and in the models to generate scenarios of inflows for the medium and short term. Moreover, this paper presents a study of cases of Operation Planning of the NIS that analyze the coupling made between the models for optimization of medium and short term through the hydrological scenarios for medium and short term. By this analysis, is possible realize how the coupling between the models of optimization can impact the strategies and policies for the operation of medium and short term.

[pt] O sistema hidroelétrico é responsável por 83,7% da energia elétrica gerada no país. Assim sendo, a geração de energia elétrica no Brasil depende basicamente das vazões naturais que afluem aos aproveitamentos hidroelétricos distribuídos por doze bacias hidrográficas no país. Sendo o Operador Nacional do Sistema Elétrico (ONS) o órgão responsável por elaborar a previsão e a geração de cenários de vazões naturais médias diárias, semanais e mensais para todos os locais de aproveitamentos hidroelétricos do Sistema Interligado Nacional (SIN), a qualidade da previsão da vazão natural é de suma importância para este órgão. A qualidade dessa previsão impacta diretamente no planejamento e em programas de operação do SIN, tal como o Programa Mensal de Operação - PMO. Mesmo com a melhoria na qualidade da previsão de vazões por meio da criação e adoção dos mais diversos modelos determinísticos e estocásticos nos últimos anos, os erros de previsão são, ainda, significativos. Deste modo, o objetivo principal desta dissertação foi propor um novo modelo capaz de proporcionar um significativo ganho de qualidade na previsão de vazões nas regiões dos aproveitamentos hidrelétricos das bacias hidrográficas do país. O modelo proposto, baseado em redes neurais, tem como ferramenta primordial a utilização de transformadas wavelets, que filtram os dados históricos de vazões, ou seja, as entradas das redes neurais de previsão, dividindo esses dados de entrada (sinais) em diversas escalas, no intuito de que as redes neurais possam melhor analisá-los. Para verificar a eficácia do modelo proposto, aqui denominado MIP (Modelo Inteligente de Previsão), procedeu-se um estudo de caso que realiza a previsão de vazões naturais incrementais médias diárias e semanais no trecho incremental entre as Usinas Hidroelétricas (UHE) Porto Primavera, Rosana e Itaipu da Bacia do Rio Paraná, chegando-se a um erro de aproximadamente 3,5% para previsão de vazões um dia à frente, 16% para 12 dias à frente, e 9% para previsão média semanal. Esta dissertação objetiva, também, investigar a eficácia do uso de informações das precipitações observadas e previstas na previsão de vazão, em conjunção com o uso do histórico de vazões. / [en] The hydroelectricity system is responsible for 83.7% of the electric energy generated at Brazil. Therefore, the generation of electric power in Brazil depends basically on the natural flow rates distributed by twelve basins in the country. The quality of prediction of natural flow is of crucial importance for the Brazilian governmental agency, ONS (from the portuguese language Electrical National Operator System), responsible for preparing the forecast and the generation of scenarios of daily, weekly and monthly average natural streamflows of all places of hydroelectric exploitations of SIN (from the portuguese language National Linked System). The quality of that forecast impacts directly in the planning and operation programs of SIN, for example, the PMO (from the portuguese language Monthly Operation Program). Even with the improvement in the quality of river flow forecasts through the creation and adoption of the various deterministic and stochastic models in recent years, the errors of forecasting are still significant. Thus, the main goal of this dissertation was proposing a new model capable of providing a significant improvement in Streamflow forecasts in regions of exploitations of hydroelectric basins of the country. The proposed model, based on neural networks, has the primary tool the use of wavelet transforms, to filter streamflows historical data, or the entries of predict neural networks, dividing the input data (signals) in several scales, in order that the neural networks can better analyse them. In order to check the effectiveness of the proposed model, here called MIP (from the portuguese language Forecast Intelligent Model), it was developed a case study to forecast daily and weekly average of natural incremental streamflows between the Hydroelectric Plants: Porto Primavera, Rosana e Itaipu belonging to the the Parana River Basin. The model reaches up an error of about 3,5% to estimates of streamflows one day ahead, 16% to 12 days ahead, and 9% for average weekly forecast. This thesis aims to also investigate the effectiveness of the use of information of observed and predicted rainfall in the forecast flow, in conjunction with the use of the historical streamflows.